医療における相互運用性のためのAI：フィリップスのカーラ・グラート・ペロン氏

このエピソードでは、 私、私自身、そしてAI ポッドキャストで、フィリップスの最高医療責任者カーラ・グラート・ペロン氏は、人工知能がどのように医療を再形成しているかについて語ります。それは、臨床医を置き換えるのではなく、アクセスを拡大し、診断を改善し、医師が患者により多くの時間を割けるようにすることです。ブラジルの逼迫した公的医療制度での診療経験を踏まえ、AI支援画像診断や遠隔コラボレーションなどの技術がどのようにケアの重要なギャップを埋めることができるかを説明します。また、AIを活用した医療の次の時代における信頼、バイアス、相互運用性、女性の健康データの課題についても探求します。彼女は、テクノロジーがどのように医療をより人間らしくできるかについて、地に足のついたグローバルな視点を提供します。

登録する 私、私自身、そしてAI オン アップル・ポッドキャスト または スポティファイ.

トランスクリプト

アリソン・ライダー 一人の臨床医は、ケアへのアクセス、臨床医の自信、患者体験を向上させる付加的な方法で、どのようにAIを医療に適用することを考えているのでしょうか？今日のエピソードでご確認ください。

カーラ・グラート・ペロン氏： 私はフィリップスのカーラ・グラート・ペロン博士です。あなたが聴いているのは 私、私自身、そしてAI.

サム・ランズボサム ようこそ 私、私自身、そしてAIからのポッドキャスト MITスローン・マネジメント・レビュー 人工知能の未来を探るボストン・カレッジでアナリティクスを教えるサム・ランスボッサムです。でデータ、アナリティクス、AIを研究しています。 MIT SMR 2014 年以来、研究記事、業界年次報告書、ケーススタディ、そして現在 13 シーズンにわたるポッドキャスト エピソードを提供しています。

本日のゲストは、フィリップスの最高医療責任者であるカーラ・グラート・ペロン博士です。フィリップスは、画像診断システム、患者モニタリング、そして成長を続けるAIベースの臨床ツール群を手掛ける医療技術企業です。私がカーラの視点に魅了されるのは、彼女がキャリアをサンパウロの公的医療制度の医師としてスタートさせたことです。そこでは需要がリソースをはるかに上回っていました。彼女はその視点を経営幹部の席に持ち込みました。現在、彼女はケアのギャップを埋めるためにAIに大きく賭けている企業の医療戦略を率いています。カーラ、番組へようこそ。

カーラ・グラート・ペロン氏： ありがとうございます、サム。

サム・ランズボサム 多くのリスナーは、フィリップスをまだ家電製品と関連付けるかもしれませんが、医療に関して、そして皆さんが行っていることについて、会社について教えていただけますか？

カーラ・グラート・ペロン氏： 当社は130年の歴史を持ち、多くの分野に携わってきましたが、ここ数十年でフィリップスは完全に医療にシフトしました。画像診断、つまりX線、CT、MRI、超音波などの診断領域から始まり、その後、カテーテル検査室でのインターベンショナル治療に進みました。また、ICUや、患者からの信号をモニタリングする病院のあらゆる領域にも大きく関わっています。病院外でのモニタリングにも多額の投資を行っています。そして最後に、同様に重要なのが、これらすべてのケア領域をサポートし、現在非常にホットなトピックとして成長を続けるAIです。

サム・ランズボサム これらの技術を列挙されるのを聞いて、私は「これらはAIが画像診断などで大きな進歩を遂げてきた典型的な応用分野だ」と考えていました。先ほどお話しされたように、あなたは医師として訓練を受け、公的部門と民間部門の両方で働き、時には同じ日に両方を行き来していたと思います。その経験から、テクノロジーが役立つ可能性がある、医療が機能不全に陥る点について何を学びましたか？

カーラ・グラート・ペロン氏： おっしゃる通りです。午前中はブラジルの公的部門で働いていました。そこでは、医療従事者、テクノロジー、情報の不足が非常に顕著であることが多く、患者にケアを提供するために最善を尽くして働く必要がありました。しかし、それはユニバーサルヘルスケアであり、誰もがアクセスできることを意味します。そこにも利点があります。

時には午後や夜には、民間部門の最高級の病院で、すべてが利用可能な状態で働いていました。それは、個人として、医師として、多くの回復力を教えてくれると思います。また、さまざまなことを試し、それらの経験から学ぶ機会も与えてくれます。しかし同時に、私のような個人にとって、テクノロジーが実際に橋渡しをし、医療へのアクセスを期待しているより多くの患者を支援するのにどれほど役立つかを、より明確にしてくれました。なぜなら、それは患者を診る方法を迅速化し、情報のデータポイントを接続し、あるいは公的部門には存在しないかもしれない専門分野間のコラボレーションを可能にするからです。

サム・ランズボサム 「これはテクノロジーが本当に役立つ、あるいは解決に貢献できる」と確信した具体的な瞬間はありましたか？テクノロジーが答えかもしれないと思わせる何かはありましたか？

カーラ・グラート・ペロン氏： 何度もありました。研修医を終えて、実際に自分で患者を診始めた頃の超音波の例を共有するのが好きです。超音波は、産婦人科診療で使用する最大の診断ツールの一つです。しかし、病院の環境では常にそれらの機器にアクセスできるわけではありませんでした。時には機器にアクセスできても、それを使用する資格がありませんでした。

今日、テクノロジーが現実のものとなりつつあります。今日、自身の臨床実践で学んでいる人々が非常に羨ましいです。明確なコラボレーションが可能な形で。つまり、テクノロジーを開き、超音波機器を起動し、地球上のどこにでもいる専門家、例えば臨床実践の観点から簡単にするために同じ都市にいる専門家にアクセスして、ガイドを受け、同じ画像で自分が見ているものを見てもらい、正しい画像を撮影するのを助け、テクノロジーを迅速化できるのです。私が公的部門で診療していたような他の場所では、患者を別の施設に転送する必要がありました。つまり、救急車を呼び、交通渋滞に巻き込まれ、画像を撮影し、その後患者を連れ戻して、最終診断を下し治療を開始する必要がありました。つまり、それは私が生きていた二つの世界の間で、残念ながらワインと水のような違いだったのです。

サム・ランズボサム 交通渋滞について触れられましたが、少し前にサンパウロに行ったのですが、そこで覚えている大きなことの一つは、ある場所から別の場所に移動するのにどれだけ時間がかかるかということでした。

しかし実際には、超音波は高価で移動できない機器ですが、情報は移動できるという別の側面もあります。あなたはそれらを区別していたように思います。あなたが行っていることには、高度な機器に大きく依存する側面がある一方で、サンパウロの交通渋滞というボトルネックなしに情報が流れることができる側面もあります。

カーラ・グラート・ペロン氏： 超音波について触れましたが、それは実際にリアルタイムで見ている画像に大きく依存しますよね？つまり、その画像をリアルタイムで使用して診断を下します。しかし、CTやMRIを考えると、それらは放射線科医がどこからでも見ることができる何百もの画像を生成し、それも画像を報告する方法を劇的に促進しています。また、患者を実際に機器に配置し、患者が正しく位置づけられていること、必要に応じて息を止めていること、あるいは適切に動いていることを確認するユーザーに大きく依存しています。そして今、AIが登場したことで、技術的な観点から多くのサポートやトレーニングを必要とせずに、それを非常に迅速かつ正確に行うことも可能になりました。これもまたゲームチェンジャーとなっています。

テクノロジー、AI、自動化を活用して患者を位置づけ、検査を可能な限り迅速に行う方法、そしてそれらの大型機器から出力される画像を処理する方法は、大きく変わったと言えるでしょう。

サム・ランズボサム 自分はあまりにも単純だったと思います。機械のこと、そしてその機械の結果について話していましたが、実際には、そもそも最良の画像を得る方法についての知識移転や情報移転も存在するという重要な点をあなたが指摘しています。その点を軽く扱ってしまったと思います。

あなたはベッドサイドケアから始められましたが、現在はフィリップスのメディカル戦略を統括されています。その経験は、医療戦略についての考え方やその仕組みにどのように影響を与えていますか？実際に医療現場で培った深いバックグラウンドはどのように活かされていますか？

カーラ・グラート・ペロン氏： 興味深いですね。医学部に進むとき、ほとんどの人は患者さんと一対一で向き合うこと以外は考えていないと思います。少なくとも私が医学部に入った頃はそうでした。今は大きく違うと思いますが。

しかし、医療システムや、医薬品、医療機器、その他の機器を開発する企業がどのように機能するかを理解する過程で、産業側、企業側にも役割があり、それが一対一で患者さんと向き合うのと同じくらいやりがいがあり、おそらくはるかに大きなスケールで興味深いことを学びました。ベッドサイドから企業に移ることで、医師としてのバックグラウンドを変えるわけでも、専門的な訓練を置き去りにするわけでもないと自分に納得させる必要がありました。実際には、その知識を別の方法で応用しているだけなのです。

私はイノベーションに魅了されています。企業環境で投資しているイノベーションが、最も恩恵を受ける患者さんに実際に届くようにすることに魅了されています。それが私の仕事の最も大きな部分です。エンジニアが病院や医師と協力して開発しているアイデアが規制要件を満たすことを確実にすること。なぜなら、それが安全で効果的であることを証明する必要があるからです。また、その技術が医療システムに組み込まれ、最も恩恵を受ける患者さんに実際に届くための良い計画があることも確実にする必要があります。

非常に異なりますが、魅力的です。新しい技術、新しいケアの領域、新しいタイプの医療システムについて毎日学び続けているからです。フィリップスのようなグローバルに展開する企業を考えると、ブラジルで製品を商業化することと、米国、欧州、アフリカ、アジアで商業化することは大きく異なります。そのため、技術開発を考える際には、グローバルな視点を持つ必要があります。

サム・ランズボサム これらの具体的な点について話しましょう。フィリップスはちょうどSmartHeartのFDA認可を取得したと思います。これは自動化された心臓MR（磁気共鳴）計画ツールです。まず、私のような人にそれが実際に何を意味するのか説明してください。そして、それが放射線科医の一日をどのように変えるのでしょうか？何が違うのですか？

カーラ・グラート・ペロン氏： SmartHeartは良い例です。MR装置は全身の画像を撮影できる技術です。そのためには、患者さんがなぜその検査を依頼されたのかを正確に理解している技術者が必要です。

この場合、医師（おそらく循環器専門医）は心臓がどのように機能しているかを実際に見たいと考えています。技術者は、患者さんをMRテーブルにどのように配置するか、どの角度で、背が高いか低いか、体格が大きいか小さいか、子供か女性か男性かなど、多くの異なるデータポイントを理解する必要があります。これにより、放射線科医が診断を下せる適切な品質の画像を撮影できます。

SmartHeartはAI駆動のワンクリック自動化ツールで、心臓画像の撮影方法を計画するすべての設定を行います。これを30秒で実行します。単純に聞こえますが、実際に異なる部位や適応症で複数の検査を行うオペレーターにとっては、15分から30秒に短縮されます。これにより、装置のアクセス性が大幅に向上し、技術者はより多くの検査を実行できるようになります。また、高度な訓練を受けた人材への依存も減らします。技術者への負担は現在大きな問題でもあります。

サム・ランズボサム 高価な装置のスループットを向上できるというアイデアは良いですね。15分と言いましたが、準備やガウン着用なしでも1時間に4件の検査です。しかし30秒と言われて、突然「高価な装置をもっと活用できる」と感じます。

カーラ・グラート・ペロン氏： 間違いなく適切なスピードです。医療従事者や看護師、医師全体への負担があります。しかし、「初回で正しく行う」ことも重要です。このようなツールがないと、検査を実施して画像を放射線科医に送った後、「1つか2つのビューが不足しているので患者さんを呼び戻してください」と言われることがあります。このようなツールを使えば、そうしたことは起こりません。

サム・ランズボサム 誰もそれを好みません。行ったり来たりするのは誰も嫌です。

カーラ・グラート・ペロン氏： 特に装置上ではそうです。狭くて患者さんにとって快適ではないかもしれませんから。

サム・ランズボサム 放射線科は、10年前に「もう放射線科医はいらなくなる。機械がすべてを行う」と言われていた分野の一つです。そのシナリオは実際には実現していません。しかし、これは人工知能が仕事の未来や私たちの活動にどのように影響するかの良い例だと思います。しかし、このプロセスがうまく機能しすぎると、病院が放射線科医を減らすことを考え始めるリスクはありませんか？それはどのように展開すると思いますか？

カーラ・グラート・ペロン氏： 個人的には、AIは取って代わるためではなく、補完するためにあると思います。5年後にはこの会話は大きく変わっているかもしれません。なぜなら、私たちはその環境を学んでいる最中だからです。

サム・ランズボサム この世界で予測するのは非常に難しいです。

カーラ・グラート・ペロン氏： しかし、今のところ放射線科の分野では、放射線科医は価値のないことに時間を浪費しています。正確に撮影されなかった画像のレビュー、レポート作成、多くの正常画像の再評価などです。興味深いことに、数週間前、ある放射線科医の医学会に参加した際、AIがすべての正常画像を定義し、放射線科医は異常画像のみを見るようになる可能性について議論していました。AIとその可能性について魅力的な点として、聴衆の誰かが手を挙げて「放射線科医が正常画像を見なければ、異常とは何かをどのように訓練するのか？」と質問しました。

ですから、あなたの質問への答えはまだ未定です。未来がどうなるかは、おっしゃる通りです。しかし、AIが取って代わるとは思いません。実際には、より多くの患者さんを診る助けになると考えています。なぜなら、大きなギャップが存在し、臨床医としてできる独自のことに時間を割くことができるからです。

サム・ランズボサム 私が考える一つの方法は、もし世界中のすべての患者さんが完全に満足し、放射線科が完璧に供給されていたら、話は大きく異なるでしょう。この治療を必要とするすべての人が現在それを受けているなら、置き換えのような話ができるかもしれません。しかし、あなたは私よりはるかに良くご存知の通り、現実はそうではありません。これらの技術は大幅に供給不足であり、その多くは特定の投資収益率と現在のコスト構造に起因しています。これは変えられると信じています。より多くの患者さんにサービスを提供するという点で、この側面はどのように変化すると思いますか？

カーラ・グラート・ペロン氏： 個人的には、ケアへのアクセスには大きなギャップがあり、技術を取り入れることで、より少ないリソースではなく、同じリソースでより多くのことができるようになると信じています。私はブラジルで生まれ育ち、ブラジルで医療を実践した経験から、低所得国でのその道筋に非常に自信を持っています。

それらの地域では、ギャップは本当に大きいです。例えば、MRIやCTスキャンを受けるために何ヶ月も待つことがあります。時には手遅れになり、患者さんの転帰を変えることもあります。しかし、自分を欺くことはできません。その現実は米国、欧州、アジアにも存在します。砂漠地帯がありますよね？ケアに全くアクセスできない地域があります。ですから、「このギャップをすぐに縮める方法で解決する」と言える時期は個人的には見えません。

サム・ランズボサム これが需要と供給のより良いマッチングにつながるというアイデアは素晴らしいです。

一つ指摘したいことがあります。あなたがまとめたFuture Health Indexですが、通常は電話の前にざっと目を通すのですが、実際には非常に興味深かったです。そのため、思ったよりずっと時間をかけて見てしまいました。Future Health Indexの調査結果の一部として、医療従事者の79%がAIに楽観的である一方、患者の半数はAIによって対面時間が減ることを懸念しているとありました。両方の当事者が重要な市場において、これら二つの異なる視点をどのように調和させるのでしょうか？

カーラ・グラート・ペロン氏： この点では患者さんの視点が非常に重要だと思います。患者さんが不快に感じてAIを拒否し始めると、課題になる可能性があります。

また、これは徐々に変化していると思います。今年後半に新しいバージョンの評価を発表する予定です。しかし、私にとって、医療従事者の視点からこれら二つを調和させる能力は、検証を行い、機械の訓練に使用されるデータへの適切なアクセスを確保することです。医師は賛同していますが、AIにどの程度のエビデンスバイアスがあるかについては少し慎重です。AIを完全に信頼できるか？何が起こっているかをどの程度レビューする必要があるか？医師や医療従事者の視点では、よりデータ駆動型に近いと思います。

一方、患者さんの視点では、より体験に関係していると思います。AIは大きなバズワードになり、人々は何を期待すべきか正確にわかっていません。医師が機械に取って代わられるという誤解があります。現実には、医師の時間が解放され、共感、触れ合い、一対一のアイコンタクトにより多く費やされるようになり、それが大きな違いを生むと私は考えています。

しかし、二つ目の点として非常に興味深いのは、実際の医師と話すのとAI版の医師と話すのを比較した研究がすでにあり、時にはAIが医師よりも共感的になることを学べる場合があるということです。ですから、これは私たち個人がAIを生活に取り入れ、将来得られるであろう助けを少し信頼することを学ぶ旅になると思います。

サム・ランズボサム 私たちの研究では、AIを信頼する個人はそれを定期的に使用する可能性が2倍高いことがわかりました。その信頼は重要な部分ですが、研究する際には、AIの使用全般について考えていました。Netflixのレコメンデーションを信頼することと医療を信頼することは異なるように思えますが、消費者レベルの人工知能とそのより広い理解、そして医療の間には何か移転可能なものがあるかもしれません。この臨床環境で信頼を構築することには、Netflixの例とは異なる独自の要素があるのでしょうか？

カーラ・グラート・ペロン氏： 人々は、最終的にどの映画やシリーズを見るべきかのアドバイスよりも、自分の健康についてより関心があると思います。しかし、AIがすでに患者のために行っている分野の一つは、患者を可能にすることだと思います。私たち臨床医がすべての活動の中心に置くその個人に付けた名前「患者」でさえ、それは「そこにいて、辛抱強く待ち、誰かがあなたに何をすべきか指示するまで待ちなさい」というようなものです。

一方で、まず第一に、AIが相互運用性のデータポイントを可能にすることで、全体的な健康状態に対する可視性が高まっています。また、それらの患者の前にどのような選択肢があるのでしょうか？そして、これは私の見解では、医師と患者が将来の医療を受け入れる方法を劇的に変えるでしょう。なぜなら、何年も前に医学部に行ったとき、患者には発言権がなかったからです。

それは本当に、「これがプロトコルであり、これを行うつもりだ。あなたはそれに従うだけだ」というものでした。ますます、私たちは精密医療について話し始めています。そこでは、患者に長所と短所を伴う1つ、2つ、3つの潜在的な治療経路が提供され、選択する能力が与えられます。そして、AIは少なくともそれらの患者がより情報に基づいた決定を下すのを可能にするかもしれません。

サム・ランズボサム 実際、私は「患者」という言葉の枠組みがとても好きです。 患者 なぜなら、私はしばしばそうではないと感じるからです。私たちは CVS HealthのJosh Weiner を数エピソード前に迎えました。その中で話し合ったことの一つは、「ねえ…このAIのことはすべて忘れて、自分の名前を何度も入力して長い間待たなくて済むならそれで満足だ」というものでした。あなたが望むクールなAIの話はいくらでもできますが、まずはそういったシンプルなことを実現しましょう。

あなたは女性の心臓の健康に非常に焦点を当てていますね。私たちに方向性を示してください。女性のケアにおける具体的なギャップは何ですか？そして、AIがどのようにそれに関与し、悪化させるか、または助けるとお考えですか？

カーラ・グラート・ペロン氏： このトピックには非常に情熱を持っています。なぜなら、私たちは人々に「私たちはミニ男性ではない。女性として異なり、心臓を持ち、それは男性の体の他の心臓と同じように機能する必要がある」と常に思い出させる必要があると思うからです。

大きなギャップがあります。心臓疾患は女性において最も高い死亡率を示しています。それにもかかわらず、女性は診断を受けるまでにずっと長い待ち時間があります。なぜなら、私たちは時々異なる症状を経験するからであり、設計されたプロトコルのほとんどが男性のみを含む研究に基づいているからです。したがって、埋める必要がある大きなギャップが存在します。

テクノロジーがそのギャップを埋めるのに確実に役立つのは、女性が示す生理学的反応のタイプにおける微妙な違いや差異が、診断ツールの設計方法に実際に組み込まれることを保証することです。

MRIについて話しました。女性の胸の中での心臓の位置は、男性の胸と比べてわずかに異なります。これは非常に詳細で小さなことですが、画像の撮影方法に影響を与える可能性があります。例えば、心臓のリズムを捉える場合、アルゴリズムは女性の心臓が男性の心臓とはわずかに異なるパターンを持つことを理解する必要があります。そして、AIはその情報を迅速にアルゴリズムに取り込み、均等化できると思います。

サム・ランズボサム それは、データセット内に過小評価または過小治療されている集団が存在するという事実を前提としています。私たちは カリフォルニア大学バークレー校のZiad Obermeyerを数シーズン前に番組に迎えました。彼は、これらのアルゴリズムが実際にこの公平性を構築できる方法について話していました。しかし、それは最初にその生データを持つことに依存していました。過小評価されている集団について、より良いサンプリングを得るために何ができるでしょうか？

カーラ・グラート・ペロン氏： 最初のことは、今私たちがしていることです。それについて話すことですよね？今、より良くする機会があります。あなたの言う通りです。ほとんどの薬は、非常に限られた数の女性や他の多様な集団に基づいて開発されています。挙げればきりがありません。

医療機器についても同じです。そして、作成されるプロトコルやガイドラインのほとんども、ずっと前に開発された試験に基づいており、適切なレベルの多様性を必ずしも含んでいませんでした。それが最初のポイントです。

第二のポイントは、テクノロジーとAIを使用してその情報を非常に迅速に取得し、ゼロから始めるのではなく反復することです。2年前、初めてWEF（世界経済フォーラム）に参加したときに大きな教訓を得ました。そこで女性の健康について話していました。私は産婦人科医で、20年以上の臨床経験があります。誰かが私に、女性が出産するとき、500ミリリットルの失血が正常であると定義する基準があるという話をしてくれました。つまり、それがあれば行動を起こす必要はありません。

その後、WEFの議論中に聴衆から質問を聞きました。「それはどのように確立されたのですか？」私はその質問をしたことがなかったので、一瞬止まりました。好奇心を持ったことがありませんでした。それは本に書いてありました。非常に良い方法論が確立されたと単純に想定していました。そして、その基準はドイツの9人の女性に基づいて開発され、世界中で利用されていました。それがインドや中国のような、はるかに小柄な体を持つ国々にどのように適用されるか想像できますか？そこで彼らはデータポイントを使って迅速に反復し、相関関係を作り出し、インドではその数値は300ミリリットルであるべきだと確立しました。これにより、患者の治療方法に大きな違いが生まれます。

テクノロジー、その相互接続性、つまり自動化に進むだけでなく、AIが非常に大きなデータセットを非常に迅速に分析できるようになったことで、私たちが医療を実践する方法を本当に改善できると思います。

サム・ランズボサム 実際、それは興味深い例です。なぜなら、それは少し異なるアプローチを示しているからです。あなたの例では、その質問を提起するために世界経済フォーラムに行かなければなりませんでした。しかし、何らかの形で、エージェントのための非常にシンプルな仕事を想像することもできます。「ねえ、あらゆる分野の臨床実践をすべて調べて、その根本的な研究を見つけ、それがどのように機能するかを評価して」というものです。ドイツの9人のサンプルは、そのリストのトップにすぐに浮上するはずだと感じます。それはとてもエキサイティングに思えます。

カーラ・グラート・ペロン氏： とてもエキサイティングです、まさに。できることは魅力的です。

サム・ランズボサム しかし、少し未来を見据えましょう。あなたはブラジルの公衆衛生でキャリアをスタートしました。そこではテクノロジーに関するリソースの制約が多くあります。もしグローバルに展開できるAI機能を一つ選んで、最大の違いを生み出すとしたら——今すぐ選べるとしたら、ウィッシュリスト——何を世界に広めますか？医療における人工知能の使用の最大の応用で、グローバルに推進できるものは何だと思いますか？

カーラ・グラート・ペロン氏： 相互運用性です。それは医療の実践方法を完全に変えるでしょう。なぜなら、今日私たちは自分が運営している医療システムに非常に閉じられ、制限されているからです。したがって、それらの障壁なしに患者を縦断的に見る能力は、個人的には、結果を大幅に変えると信じています。一つ選ぶ必要があるなら、それが私の選択です。

サム・ランズボサム それは私があなたがそう答えると思っていた方向とは全く違います。とても魅力的です。非常に横断的で、すべてに影響を与えます。では、質問に乗りましょう。それが実際に実現するための最大の障壁は何ですか？

カーラ・グラート・ペロン氏： それは大きな質問です。だからこそ夢なのです。あなたは何でも選べると言いました。制限されないでください。多くの障壁があると思います。最初の一つは、良質なデータへのアクセスを確保することですが、同時に最初からそれについて考え始めることです。ある程度の標準化がなければ、相互運用性を考えるのは非常に困難です。それが最初の部分であり、科学です。これを未来に向けてどう推進するかです。

第二は、この新しい時代をどう取り入れるかを考えることです。AIに関する議論に、償還とテクノロジーへのアクセスをどう組み込むかを考えることです。私たちはまだ償還システムによって制限されています。どのようなコードカバレッジがあるのか？インセンティブは何か？患者を迅速に病院から出し、滞在期間を短縮できるものがあるかもしれません。しかし、それが医療システムの観点からのインセンティブでなければ、これは実現しません。したがって、私にとって、それは考える必要があるもう一つの大きなことです。

もう一つの部分は、私たちがどのように協力する必要があるかであり、それは規制です。規制は、私たちが入りつつあるこの新しい環境とともに進化する必要があります。私たちをここに連れてきたタイプの規制は、私たちを未来に連れて行くことはできません。なぜなら、未来は今日私たちがプレイしているものとは非常に異なるからです。

サム・ランズボサム それは本当に難しいように思えます。なぜなら、はい、私たちはこの規制システムを構築し、これらの償還プロセスを構築し、そして多くのプロセスを以前の仕組みに基づいて構築したからです。

ご参加いただきありがとうございます。私が思うに、あなたにとってこれは抽象的な話ではないということが非常にはっきりと伝わってきます。これはあなたが深く理解していることであり、ケアが受けられないときに何が起こるかを実際に見てきたのです。そして、あなたがおっしゃったアイデアの中には、テクノロジー（AIだけでなく、テクノロジー全般）を単なる見出しではなく、解決策の一部として活用する方法についてのものがいくつかあり、気に入りました。ご参加ありがとうございました。

カーラ・グラート・ペロン氏： こちらこそ、サム。この会話を本当にありがたく思っています。

サム・ランズボサム 本日はご視聴ありがとうございました。シーズン13の最終回では、バンク・オブ・アメリカの企業学習リーダー、バーナード・ハンプトンをお迎えします。それではまたお会いしましょう。

アリソン・ライダー ご清聴ありがとう 私、私自身、そしてAI.私たちの番組が続けられているのは、リスナーのサポートによるところが大きい。皆さんのストリームやダウンロードは大きな違いを生み出します。お時間がありましたら、Apple PodcastsのレビューやSpotifyの評価をお寄せください。また、この番組が興味深く、役に立つと思われる他の方にもシェアしてください。

私、私自身、そしてAI^® はマサチューセッツ工科大学の連邦登録商標です。